Medisinsk diagnostikk

I medisin er diagnose eller klinisk propedeutikk prosedyren som en sykdom , nosologisk enhet, syndrom eller en hvilken som helst helsetilstand eller sykdom blir identifisert ved («helsetilstanden» er også diagnostisert).

Når det gjelder medisinsk praksis, er diagnose en klinisk vurdering av den psykofysiske tilstanden til en pasient, enten dyr eller mennesker, den representerer en manifestasjon som svar på et krav om å bestemme en slik tilstand, den eneste som kan indikere en diagnostisk prosess eller håndtering av sykdommen Pasienten er Fagpersonen (Klinisk lege som tar imot pasienten og utfører akuttbehandling i henhold til pasientens kliniske tilfeller).

Diagnostisering er å gi et navn til pasientens lidelse; er å tildele en "etikett". [ 1 ]

Diagnostisk prosess

Klinisk diagnose krever at man tar hensyn til de to aspektene ved logikk , det vil si analyse og syntese, ved bruk av ulike verktøy som anamnese , klinisk historie , fysisk undersøkelse og komplementære undersøkelser .

Den medisinske diagnosen fastslår ut fra symptomer, tegn og funn av komplementære undersøkelser, hvilken sykdom en person lider av. Vanligvis er en sykdom ikke på en biunnivokal måte relatert til et symptom, det vil si at et symptom ikke er eksklusivt for en sykdom. Hvert symptom eller funn i en utforskning presenterer en sannsynlighet for opptreden i hver sykdom.

Bayes' teorem hjelper til med å diagnostisere en sykdom basert på symptomene og andre funn presentert av pasienten hvis sykdommene er gjensidig utelukkende, deres utbredelse og hyppigheten av opptreden av hvert symptom i hver sykdom er kjent. Avhengig av utbredelsen av hver sykdom i hver populasjon, kan det samme sett med symptomer eller syndrom gi en annen diagnose i hver populasjon, det vil si at hvert syndrom kan være forårsaket av en annen sykdom i hver populasjon.

Beregningen av post-test-sannsynligheten kalles Bayes' teorem og det er en god modell for hvordan man går frem i klinikken, siden den tidligere informasjonen modifiserer sannsynlighetene for diagnosene våre, og gjør hypotesene våre mer eller mindre plausible. Med andre ord, Bayes' teorem gir oss det matematiske verktøyet for å beregne hvordan en diagnostisk test endrer pre-test sannsynligheten til en ny post-test verdi.

Eksempel: En pasient med mistanke om lupus erythematosus, med en pre-test sannsynlighet på 20 %, eller 0,2. Denne pre-test-sannsynligheten avhenger av utbredelsen av sykdommen i en gitt populasjon, som verdien som er etablert ved klinisk vurdering legges til. Hvis vi ber om DNA-testen, og resultatet er positivt, er sannsynligheten for at pasienten lider av lupus erythematosus nå 89,7 % etter test. På den annen side, hvis testen er negativ, reduseres sannsynligheten etter test til 7,2 %.

Diagnoseverktøy

Alle symptomene referert til i anamnesen og tegnene observert i den fysiske undersøkelsen er registrert i pasientens kliniske historie .

Generelt definerer tegnene og symptomene et syndrom som kan være forårsaket av flere sykdommer. Legen må formulere en hypotese om sykdommene som kan forårsake syndromet og for å verifisere nøyaktigheten av hypotesen, be om utfyllende undersøkelser .

Typer komplementære undersøkelser

Utfyllende undersøkelser bekrefter eller utelukker en spesifikk sykdom før behandlingsstart . Noen ganger tilbyr de ikke noen form for nyttig informasjon, spesielt når de blir forespurt uten noen form for kriterier eller når det ikke er noen differensialdiagnose.

Diagnosetyper

Diagnostiske problemer

Kjennetegn ved en diagnostisk test

En diagnostisk test anses som god når den gir positive resultater hos syke pasienter og negative resultater hos friske pasienter, med minst mulig feilspekter. Derfor er forholdene som må kreves i en diagnostisk test hovedsakelig tre:

Gyldigheten av en diagnostisk test

Det enkleste tilfellet er en dikotom test, som klassifiserer hver pasient som frisk eller syk, avhengig av om testresultatet er positivt eller negativt. Dermed tilsvarer et positivt resultat normalt tilstedeværelsen av sykdommen som studeres og et negativt resultat til fraværet.

Generelt jobber vi vanligvis med en heterogen populasjon av pasienter, slik at dataene som innhentes gjør at de kan klassifiseres i fire grupper, som vanligvis er representert i en 2X2-tabell. I den sammenlignes resultatet av den diagnostiske testen (i rader) med pasientenes reelle tilstand (i kolonner) eller, hvis det ikke, resultatet av referansetesten eller gullstandarden som vi skal bruke. Testresultatet kan være positivt eller negativt, men disse kan være riktige eller feil, og gi opphav til fire typer resultater: sanne positive, sanne negative, falske positive og falske negative.

prøve resultater Syk Sunn
Positivt Ekte positive (VP) Falske positive (FP)
Negativ Falske negativer (FN) Ekte negative (TN)

Det som avgjør validiteten til testen som brukes, vil være beregningen av sensitivitets- og spesifisitetsverdiene.

Sensitivitet=(VP)/(VP+FN) Spesifisitet=(VN)/(VN+FP)

Det ideelle er å jobbe med diagnostiske tester med høy sensitivitet og spesifisitet, som overstiger 80 % i hvert fall i begge tilfeller. Dette er imidlertid ikke alltid mulig. Generelt vil en høysensitiv test være spesielt egnet i de tilfeller hvor det å ikke diagnostisere sykdommen kan være dødelig for pasientene, eller ved sykdommer der en falsk positiv ikke forårsaker alvorlige psykiske eller økonomiske problemer for pasienten.

På den annen side er tester med høy spesifisitet nødvendig ved alvorlige sykdommer, men uten tilgjengelig behandling som gjør dem helbredelige, når det er stor interesse for å vite fravær av sykdom eller ved diagnostisering av en pasient med sykdom, være falsk positiv, kan føre til alvorlige konsekvenser, enten det er fysiske, psykiske eller økonomiske.

Effekten av en diagnostisk test

Både sensitivitet og spesifisitet gir informasjon om sannsynligheten for å oppnå et bestemt resultat (positivt eller negativt) basert på pasientens sanne sykdomsstatus. Men når en pasient gjennomgår en test, mangler legen a priori informasjon om hans sanne diagnose, og snarere stilles spørsmålet i motsatt retning: i møte med et positivt eller negativt resultat i testen, hva er sannsynligheten for at er pasienten virkelig syk eller frisk? Parametrene som gir denne informasjonen (post-test sannsynlighet) til legen kalles prediktive verdier .

De prediktive verdiene vil avhenge av forekomsten av sykdommen i befolkningen som studeres. Det vil derfor være en verdi som ikke kan ekstrapoleres til ulike populasjoner. Det er to typer prediktiv verdi:

PPV=(PV)/(PV+FP) NPV=(NV)/(NV+FN)

Velge en diagnostisk test

For å velge riktig mellom to eller flere diagnostiske tester, kan statistiske parametere brukes. Den som er kjent som "Receiver Operating Characteristic" eller ROC-kurve skiller seg ut . ROC-kurven er en representasjon som sammenligner testens sensitivitet med parameteren (1-Spesifisitet), og antar dermed et globalt og uavhengig mål for ethvert etablert grensepunkt.

Den mest brukte indikatorparameteren er "området under kurven" (AUC). Det er en indeks hvis verdi er mellom 0,5 og 1; 1 er verdien som bestemmer en perfekt diagnose, og 0,5 en test uten diagnostisk diskriminerende kapasitet.

Se også

Referanser

  1. ↑ Gervas J. Diagnose. Sanitærloven. 03/01/2010.

Bibliografi

Eksterne lenker